NCL-BU在SemEval-2026 Task 3：基于XLM-RoBERTa的多维情感回归微调
计算与语言
2026-05-11 v2
摘要
维度化方面情感分析（DimABSA）将传统ABSA从分类极性标签扩展到连续的价值-唤醒（VA）回归。本文描述了一个为Track A、Subtask 1（维度化方面情感回归）开发的系统，旨在为给定方面预测[1, 9]范围内的实数VA得分。我们采用基于XLM-RoBERTa-base的微调方法，采用带Sigmoid比例缩放输出的双回归头进行价值和唤醒预测。为每个语言域对（英文和中文跨越餐饮、笔记本和金融领域），分别训练模型，并合并训练集和开发集用于最终测试预测。在开发实验中，将微调方法与几种大语言模型在少量样本提示下进行比较，结果表明，任务特定的微调在所有评估数据集上均优于基于LLM的方法。
关键词
引用
@article{arxiv.2604.08923,
title = {NCL-BU at SemEval-2026 Task 3: Fine-tuning XLM-RoBERTa for Multilingual Dimensional Sentiment Regression},
author = {Tong Wu and Nicolay Rusnachenko and Huizhi Liang},
journal= {arXiv preprint arXiv:2604.08923},
year = {2026}
}